Creen un simulador per saber com seria un missatge extraterrestre rebut a la Terra

Una nova eina d'aprenentatge automàtic desenvolupada per la Universitat de Berkeley i l'Institut SETI simula com seria un missatge d'intel·ligència extraterrestre rebut a la Terra .


|
EuropaPress 4370358 radiotelescopio green bank empleado busqueda seti

 

Una nova eina d'aprenentatge automàtic desenvolupada per la Universitat de Berkeley i l'Institut SETI simula com seria un missatge d'intel·ligència extraterrestre rebut a la Terra .

EuropaPress 4370358 radiotelescopi green bank empleat cerca seti
Creen un simulador per saber com seria un missatge extraterrestre rebut a la Terra /@NRAO (EP)

Es coneix com a Setigen i és una biblioteca de codi obert que podria canviar les regles del joc per a futures cerques d'intel·ligència més enllà de la Terra (SETI al seu acrònim en anglès).

Des dels anys 60 del segle XX, l'objectiu d'aquestes investigacions és la detecció de firmes tecnològiques no humanes, com l'emissió produïda per tecnologia a les observacions de ràdio. Si bé molts han especulat sobre el caràcter d'aquestes firmes tecnològiques, la ràdio-SETI implica fonamentalment la cerca de senyals que no només mai s'han detectat, sinó que també tenen una àmplia gamma de morfologies potencials.

 

Atès que encara no hem detectat un senyal de ràdio SETI, hem de fer suposicions sobre la seva forma per desenvolupar algorismes de cerca. La manca de deteccions positives també dificulta provar l‟eficàcia inherent d‟aquests algoritmes.

 

Per abordar aquests desafiaments, Setigen es presenta com una biblioteca de codi obert basada en Python per a la síntesi i injecció de senyals basats en heurística per a espectrogrames (espectres dinàmics) i dades de voltatge sense processar, segons la presentació del nou programa a arXiv.

 

" El que fa Setigen és facilitar la producció de senyals SETI sintètics, que es poden utilitzar en dades completament sintètiques o afegir-se sobre dades d'observació reals per proporcionar un soroll de fons RFI més realista ", explica Bryan Brzycki, estudiant grauat a Astronomia a Berkeley i líder de l equip que desenvolupa la iniciativa.

 

"D'aquesta manera, podem produir grans conjunts de dades de senyals sintètics per analitzar la sensibilitat dels algorismes existents o perquè serveixin com a base per a l'entrenament d'aprenentatge automàtic ", va afegir en declaracions a Universe Today.

Sense comentarios

Escriu el teu comentari




He leído y acepto la política de privacidad

No está permitido verter comentarios contrarios a la ley o injuriantes. Nos reservamos el derecho a eliminar los comentarios que consideremos fuera de tema.
ARA A LA PORTADA
ECONOMÍA